Análisis de conglomerados en estaciones pluviométricas mediante el exponente de Hurst y Variogramas en la cuenca del río San Juan

Benavides Bravo, Francisco Gerardo (2017) Análisis de conglomerados en estaciones pluviométricas mediante el exponente de Hurst y Variogramas en la cuenca del río San Juan. Doctorado thesis, Universidad Autónoma de Nuevo León.

[img]
Vista previa
Texto
1080218486.pdf - Versión Aceptada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

Download (42MB) | Vista previa

Resumen

Un tema importante en el estudio del comportamiento de las series temporales y, en particular, series de tiempo meteorologicas, es la dependencia a largo plazo. En esta tesis se ´ analiza el comportamiento de las variaciones de precipitacion en diferentes per ´ ´ıodos, utilizando el analisis de las correlaciones de largo alcance. Variogramas y exponente de Hurst se ´ aplicaron a los datos historicos de diferentes estaciones pluviom ´ etricas de la cuenca del r ´ ´ıo San Juan, en la region hidrogr ´ afica RH-24 M ´ exico. La base de datos fue proporcionada por ´ la Comision Nacional del Agua (CONAGUA). A los variogramas, se les obtuvo el exponente ´ de Hurst y se utilizo como una entrada para llevar a cabo un an ´ alisis de agrupamiento de ´ estaciones de lluvia. Grupos de muestras homogeneas que pueden ser ´ utiles en un an ´ alisis ´ de frecuencia regional se obtuvieron a traves del proceso.

Tipo de elemento: Tesis (Doctorado)
Información adicional: Doctorado En Ciencias Con Orientación En Matemáticas
Materias: Q Ciencia > QA Matemáticas, Ciencias computacionales
T Tecnología > TC Ingeniería Hidráulica y Oceánica
Divisiones: Ciencias Físico Matemáticas
Usuario depositante: Lic. Jesús E. Alvarado
Creadores:
CreadorEmailORCID
Benavides Bravo, Francisco Gerardofgbenavid@gmail.comNO ESPECIFICADO
Fecha del depósito: 07 Nov 2019 18:40
Última modificación: 07 Nov 2019 18:40
URI: http://eprints.uanl.mx/id/eprint/17792

Actions (login required)

Ver elemento Ver elemento

Downloads

Downloads per month over past year